Kaggle에서 내 데이터에서 모델을 만드는 방법

이 튜토리얼은 고양이와 개를 구별하기 위해 이미지 분류 모델을 훈련시키기 위해 Fastai 라이브러리를 사용하는 방법을 보여줍니다. 우리는 데이터 준비에서 모델 교육 및 사용에 이르기까지 점차적으로 수행 할 것입니다.

1 단계 : 데이터 준비

이미지 검색 기능 : 우선, Duckduckgo 검색 엔진에서 이미지를 검색하기위한 함수를 정의합니다. 이 함수는 키워드와 최대 이미지를 입력으로 허용하고 이미지 URL 목록을 반환합니다.

1. 예제 이미지를 검색하고 다운로드하고 다운로드 한 이미지 : 우리는 각각 "개 사진"과 "고양이 사진"을 검색하고 샘플 이미지를 다운로드했습니다.

import os
iskaggle = os.environ.get('KAGGLE_KERNEL_RUN_TYPE', '')

if iskaggle:
    !pip install -Uqq fastai 'duckduckgo_search>=6.2'

from duckduckgo_search import DDGS
from fastcore.all import *
import time, json
def search_images(keywords, max_images=200):
    return L(DDGS().images(keywords, max_results=max_images)).itemgot('image')

마찬가지로, 우리는 고양이 사진을 다운로드합니다 :

2. 배치 다운로드 및 사전 처리 이미지 : 우리는 고양이와 개 사진을 여러 사진으로 다운로드하여 및

urls = search_images('dog photos', max_images=1)
from fastdownload import download_url
dest = 'dog.jpg'
download_url(urls[0], dest, show_progress=False)
from fastai.vision.all import *
im = Image.open(dest)
im.to_thumb(256,256)

잘못된 이미지 청소 : 다운로드가 실패하거나 손상된 사진을 삭제합니다.

2 단계 : 모델 훈련

download_url(search_images('cat photos', max_images=1)[0], 'cat.jpg', show_progress=False)
Image.open('cat.jpg').to_thumb(256,256)

DataLoader 작성 :

사용 이미지 데이터를로드하고 처리하기 위해 Dataloader를 작성하십시오.

3. dog_or_not/dog 미세한 사전 트레이닝 모델 : dog_or_not/cat 사전 -훈련 된 RESNET50 모델과 데이터 세트에서 미세 조정을 사용하십시오.

searches = 'dog', 'cat'
path = Path('dog_or_not')

for o in searches:
    dest = (path/o)
    dest.mkdir(exist_ok=True, parents=True)
    download_images(dest, urls=search_images(f'{o} photo'))
    time.sleep(5)
    resize_images(path/o, max_size=400, dest=path/o)

3 단계 : 모델은
4. 를 사용합니다 예측 : 훈련 모델 예측을 사용하여 예제 개 그림을 다운로드하십시오.

failed = verify_images(get_image_files(path))
failed.map(Path.unlink)

<:> 출력 결과 : <:> 이것은 A : 개입니다. 제안은 강아지입니다 : 1.0000

이 자습서는 FastAi를 사용하여 간단한 이미지 분류 모델을 신속하게 구축하는 방법을 보여줍니다. 모델의 정확도는 교육 데이터의 품질과 양에 따라 다릅니다.

위 내용은 Kaggle에서 내 데이터에서 모델을 만드는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!